Bibliographic Metadata

Title
Auswertung von EKG-Signalen mittels Deep Machine Learning zur Diagnose von kardiovaskulären Erkrankungen : Ein Überblick
Additional Titles
Deep machine learning based on ECG diagnoses of cardiovascular diseases An overview
AuthorSteuer, Nikolaus
Thesis advisorWimmer, Hubert ; Kahn, Daniela
Published2018
Date of SubmissionSeptember 2018
LanguageGerman
Document typeBachelor Thesis
Keywords (DE)Elektrokardiogramm / EKG / Deep Machine Learning / Künstliche Neuronale Netze / Diagnose / Herz-Kreislauf-Erkrankungen
Keywords (EN)Electrocardiogram / ECG / Deep Machine Learning / Artificial Neural Networks / Diagnostics / Cardio Vascular Diseases
Restriction-Information
 _
Classification
Abstract (German)

Grundlagen:

Die Welt steht vor dem Problem einer immer älter werdenden Bevölkerung. Mit dem Alter wird das Herz-Kreislauf-System schwächer und anfälliger für Erkrankungen.

Das Signal des Elektrokardiograms (EKG) ist eines der wichtigsten Tools zur Erkennung und Diagnose kardiovaskulärer Erkrankungen. Über die letzten Jahrzehnte wurden zahlreiche Methoden für die automatisierte Auswertung vorgeschlagen. Die stetige Weiterentwicklung im Bereich selbstlernender Algorithmen und des sogenannten Deep Machine Learning (DL), birgt großes Potential bei der Auswertung. Mehrere Studien zeigen, dass sie klassischen Ansätzen in Geschwindigkeit und Genauigkeit überlegen sind.

Die vorliegende Arbeit gibt einen Überblick über den Stand der Forschung im Jahr 2018, betreffend die Auswertung des EKG mittels DL.

Methodik:

Grundlage bildet eine Literaturrecherche im April 2018 zu dem Thema Deep Learning und Elektrokardiogram auf „Springer Link“ und „Science Direct“ über die Jahre 2017 und 2018.

Ergebnisse:

Einige Forschungsteams forschen kontinuierlich an dem Themengebiet und haben miteinander zusammenhängende Publikationen herausgebracht, in denen die CAD Systeme weiterentwickelt wurden. Auffällig ist, dass trotz des relativ kurzen Betrachtungszeitraums, die zur Anwendung kommenden Systeme immer genauer wurden. Diese Tools sind derzeit allerdings noch nicht marktreif. Sie liefern gute Ergebnisse in ihrem Spezialgebiet, können jedoch keine umfassende Diagnose bieten, wie es ein behandelnder Arzt vermag. Eines der großen Probleme ist außerdem die relativ geringe Anzahl an zur Verfügung stehenden bewerteten Datensätzen.

Abstract (English)

Background:

The world is facing the problem of an aging population. With age, the cardiovascular system becomes weaker and more susceptible to disease.

The electrocardiogram (ECG) signal is one of the most important tools for detecting and diagnosing cardiovascular diseases. Numerous methods for automated detection have been proposed over the past decades. The continuous development in the field of self-learning algorithms and the so-called Deep Machine Learning (DL), holds great potential in the evaluation. Several studies show that they are superior to classical approaches in speed and accuracy.

The present work gives an overview of the state of research in 2018 concerning the evaluation of the ECG by means of DL.

Material and methods:

This paper is based on a literature review in April 2018 with the keyword Deep Learning and Electrocardiogram on "Springer Link" and "Science Direct" with the timeframe 2017 and 2018.

Results and conclusion:

There are research teams constantly researching on the topic, that have produced interrelated publications with continuously evolving CAD systems. It is noticeable that despite the relatively short period of observation, the systems used became more and more accurate. However, these tools are not yet ready for the market. They deliver good results in their area of expertise, but cannot provide a comprehensive diagnosis as a doctor can. One of the main problems is the relatively small number of evaluated records.